克服供应链中断：数据驱动的范式

2.11.22.22.41.3 技术进步的必要性3.4 供应链数字化成熟度3.2 数据成熟度的障碍1 简介3.3 更深层数据集成阶段1.1 供应链稳定性的转变2.3 数据孤岛和孤立系统数据的挑战中断：一种新常态供应链的组成部分数据驱动集成需求3供应链数据集成3.1 供应链管理过时原则4.1 供应链技术栈 4.2 示例用例4 供应链技术堆栈和用例2供应链管理现状 引言•技术复杂性的向上移动（供应链数据成熟度）基于不断扩展的数据基础•数据集成的外部扩展跨越他们自己的 ERP 平台以及他们合作伙伴的 ERP 平台导致这种差异的原因是潘多拉魔盒般的数据。现代企业资源规划（ERP）系统，以及仓库、组织和制造执行管理系统的数据，已经打开了高度复杂供应链中各个环节的数据驱动可见性的闸门。尽管这种可见性使采购、物流、仓储和供需规划中的摩擦、低效和不可靠方面暴露无遗，但它在这方面的减少上却收效甚微。从相对的供应链稳定性转向前所未有的不可预测性，给制造商、零售商和消费品（CPG）生产商带来了巨大的风险。在受供应链持续中断所支配的世界中，跨越供应链多个阶段的传统资源管理方法已不再足够。对于适应缓慢的公司来说，存在着因短缺而削弱其交货能力，进而无法在市场上竞争的严重风险。然而，具有前瞻性的供应链官员可以为自己定位，以提升其供应链的韧性并产生实质性的收入增长。这是因为这些独立的系统一直保持孤立，无法相互通信，导致了数据孤岛，并限制了供应链领导者运用其新洞察力的能力和准备。为了突破数据功能有限下的供应链治理现状，企业必须开展两项相关的努力：白皮书 数据驱动供应链管理 3 此外，我们还阐述了企业可以基于数据成熟度来发展韧性和敏捷性的具体技术和策略。最后，我们以两个现实世界的案例来总结供应链管理数据成熟度策略的商业价值。在以下白皮书中，我们概述了供应链领导者面临的挑战以及为什么他们必须借助先进数据技术带来的新机遇。为此，我们阐述了SoftServe对于整体化、数据驱动方法的愿景，以此超越部门隔离的供应链管理，并帮助公司发展价值链生态系统. 中断：一种新常态记录通货膨胀气候修改更改变换消费者自有品牌竞争供应链管理的现状供应链领导者长期以来都满足于一种被动和孤立的管理运营方式。这是因为供应链在很大程度上是可靠的。因此，数字化流程执行与手动洞察和决策相结合就足够了。然而，随着与疫情相关的生产封锁导致某些商品需求波动以及急性短缺频发，这种情况已经改变。欧洲地缘政治动荡的再现以及大国政治重新出现后持续不断的贸易战也对供应链的可靠性产生了影响。白皮书数据驱动供应链管理中断的冲击对企业来说从可管理到灾难性的都有涉及。它们不仅限于某个垂直行业或产业。相反，它们同样影响制造商、零售商、CPG生产商以及其他拥有分布式价值链的公司。更重要的是，它们揭示了现代供应链的内在复杂性和脆弱性——使它们成为企业在动荡的经济环境中寻求繁荣所努力聚焦的焦点。这是因为当供应链无法运作时，影响会蔓延到整个公司。这已经抹去了定义供应链官员责任范围的传统边界，从而提出了采用更全面方法的必要性。 5宏观趋势经济减速劳动短缺CPG制造，与零售公司供应链问题地缘政治不稳定性行业趋势 零售制造制造&供应仓储&物流规划与分布购物经验产品使用 &支持减少重复使用，回收CPG供应链通过解锁供应链数据，这些平台迈出了迈向端到端供应链同步和自动化适应性的第一步。然而，它们单独无法实现那种级别的可见性和控制。相反，它们造成了一种困境。通过加强对部分领域的可见性，供应链官员得出结论，他们已达到了可见性的顶峰。由于供应链复杂且难以改变，供应链官员不愿追求更密集的数据驱动整合，并在其领域开始部署节省成本和增加收入的策略。这种惯性至今已阻碍了基于数据科学的统一和敏捷供应链的进展。但导致这种惯性的相同因素可以被用来驱动克服僵局所需的行动。• 研发/产品开发 • 制造和采购 • 仓储和物流 • 计划和分配 • 消费者体验设计大多数公司单独管理这些组件。虽然底层通常涉及一个主数据管理平台——例如SAP的主数据治理软件和达索系统的产品生命周期管理平台——但每个细分市场的数据通常仍然困于特定的ERP系统。其中最普遍的这些由成熟的供应商提供，例如Coupa、Blue Yonder、Kinaxis以及SAP。数据驱动供应链管理供应链领导者明白“供应链”这个概念是一个误称。相反，供应链由几个不同的组成部分构成： 研发/产品开发白皮书 6 供应链管理过时原则供应链数据集成异常管理（MBE）在假设它们是偏差的前提下，为应对意外问题建立最佳实践持续的满意状态——尽管数据可见性有限——使供应链官员得以继续依靠两个原则来管理他们的运营：依照这种方式思考，公司接受了这种观点供应链是成本中心这导致公司通过推迟对运营改进的创新技术的投资，将其视为次要优先事项来降低供应链管理成本。这种基本策略阻碍了对供应链管理的全面和主动方法。这些原则共同体现在一种世界观中，即供应链在很大程度上是应该被任其自由发展的，除非出现故障。白皮书数据驱动供应链管理 业务连续性计划根据可预测的各种灾难性事件来应对突发情况 技术数据成熟度的障碍• 分离的数据源系统 • 缺乏供应链监控的端到端功能 • 依赖人工沟通供应链领域中过时系统的普遍存在以及反应式、任其自然的管理局限于导致复杂性不断增加，并因此形成各自为政的运作模式。这些壁垒阻碍了整个供应链的协调，并将公司置于因中断而措手不及的风险之中。当公司试图弥补这种脆弱性时，它们经常因以下原因受挫：白皮书数据驱动供应链管理面对这些障碍，企业需要从供应链数字化转型核心战略开始。这将考虑到他们数据能力的状态。基于该战略和对他们目前能力的评估，他们将确定可供他们使用的技术战略。 基于数据组织• 供应链合作伙伴提供不可靠的数据 • 缺乏数据交换的通用指标和标准 • 单独操作的数据孤岛• 缺乏对数据传输平台的信任 •缺乏治理和数据传输的最佳实践 • 缺乏专业人才、领导力和能力建设 更深层数据整合的阶段获取&供应生产从被动且孤立的供应链基础设施迈向整体化、完全透明的数据驱动价值链管理的旅程将漫长。失误可能导致沉没投资，甚至收入损失。这就是为什么SoftServe开发了一个实现供应链数据成熟的战略，以数字化核心战略为中心，协调现代供应链的各个不同组件。白皮书数据驱动供应链管理通常，由于ERP系统，供应链某些环节的自动化和数据可见性已成为标准。此时，公司任何供应链管理的方面仍然完全处于手工环境的情况已很少见。同样，达到数据集成阶段使公司能够自动化与供应商协调的公司也很少见。 9供给链规划反转物流数字核销售 &分布仓储 1234CROSS-企业集成外部集成内部集成功能焦点一个协作数字供应链生态系统对齐目标和所有过程各方，使数据-驱动决策，以及实时规划，执行，和回复。供应链是战略管理受 partnerships governed经双方业务往来目标，常用流程，和数据分享（包括（外部数据）。供应链过程和交叉-功能指标透明已定义，并规划。资源是交叉管理功能级别。与供应链职能仍然定义不佳并编排好的。数据可见性差需要特设计划。白皮书数据驱动供应链管理大多数供应链官员发现自己处于四个供应链数据成熟度等级中的两个之间。例如，供应链的一个环节将表现出先进的成熟度，这得益于自动化、高度透明的数据流，而另一个环节则依赖于手动生成的电子表格和利益相关者之间的模拟通信。正是这种不统一使得使用数据来创建端到端的供应链协调如此困难——以及数字化核心的必要性如此关键。超越完全不系统的供应链方法，缺乏所有数据集成，供应链数据成熟阶段如下： 10 向外扩展以实现功能集成供应链数字化成熟度创建供应链数据成熟度所需的基本移动涉及扩大数据集成与协调随着数据集成进程的推进，公司在应对不可预测场景时改进决策的能力也随之增强，同时还能自动化更多繁琐、劳动密集型流程。达到数据成熟的功能集成阶段后，企业可以迈出第二步，开始分析其供应链流程。随着他们整合自身平台的数据，他们开始自动与他们合作伙伴甚至其合作伙伴的供应商的数据协调。仅基于价值链中的集成运营中心和ERP系统，企业可以可视化其价值链，以获得强劲的投资回报率——而无需定制技术解决方案。然而，止步于此阶段的供应链领导者并未充分利用他们可用的技术解决方案的全部范围。第一步是将所有内部数据平台进行对齐，以创建所有数据流的统一视图。这主要可以根据公司用于管理其供应链管理各个方面的不同ERP系统来完成。ERP系统之间日益增加的集成有助于提升关键供应链职能的执行和监控。白皮书数据驱动供应链管理 11 12价值链生态系统与动态自动化价值链生态系统外部集成CROSS-企业集成内部集成功能性集成数据集成运营中心控制塔数字孪生自动开处方预测分析能力执行&监视超过等级功能集成, 通过链接和分析 ERP 系统中的数据所带来的效率和可见性提升开始趋于平稳。一旦公司成功获得了像仪表盘和管制塔要准确显示其供应链状态，他们可以在此基础上构建，部署更加复杂的技术解决方案，例如人工智能（AI）和数字孪生. 那条提高可见性和技术复杂度的轨迹，旨在提升复合效率和韧性，是SoftServe数字供应链成熟度模型的核心。在供应链数据成熟度的下一阶段，已经进行了完整的内部集成可以利用端到端同步of预测性战略供需计划通过打破将供应链各阶段相互隔离的壁垒，公司强化了供应链缓冲并开发关键网络节点的新的库存目标。供应链数据平台根据实时信息和数据驱动的预测洞察，无缝地调整下线的目标和要求。这提高了订单履行率，通过降低库存水平增加了现金流，并通过消除损失和浪费削减了成本。白皮书数据驱动供应链管理跨越内部集成，转向自动化数据摄取(外部集成)来自合作伙伴奠定了基础价值链生态系统. 通过对直接供应商及其合作伙伴运营的可见性，公司可以发展多层供应链透明度由共享的KPIs和流畅的信息共享来定义。通过融合先前隔离的数据系统，公司可以确保及时交付并提醒生产者缺陷。公司还可以检查信用评级和ESG值，并支持通过实时数据共享进行合作。 从供应链到伙伴价值网络数据驱动价值链生态系统供给链规划获取&供应数字核生产仓储供应商=合作伙伴最终，在价值链生态系统中，企业可以部署模拟和自动化优化协议. 与外部或跨企业集成企业部署其整个网络的虚拟副本或数字孪生，以分析不同场景、评估性能和识别网络漏洞。通过在一个控制面板上复制资产、库存项目、仓库和物流流程——并通过基于数字孪生的自动化优化进行增强——价值生态系统动态地、自动地适应出现的任何内部或外部挑战。白皮书数据驱动供应链管理 13 供应链技术栈内部集成功能性集成数据集成运营中心控制塔能力分析执行&监视供应链管理平台技术堆栈虽然每家公司具体战术部署的细节会根据其供应链数据的成熟度和整体战略而有所不同，但涉及的技术将大体保持不变，并对应于数字化成熟度曲线：白皮书数据驱动供应链管理供应链技术栈和用例 价值链生态系统外部集成CROSS-企业集成数字孪生自动开处方预测低代码/机器人流程自动化云 & 分析IoTAI/ML模拟定制解决方案 15低代码平台和机器人流程云计算它是所有数字化转型的基石。它改进了与供应商和其他合作伙伴的合作，并支持多个内部、外部和跨企业用例。工业物联网 (IIoT)使企业能够创建连接设备网络，以实现更好的数据管理。除了从多个来源收集数据流并准备由人工智能进行进一步分析外，工业物联网还可以自动跟踪货物和管理库存。数字孪生模拟不同场景，评估性能，并识别网络漏洞，使公司能够在单个控制面板上确定资产、库存项、仓库和物流流程的最佳使用方式。数据驱动供应链管理自动化（RPA）允许企业使用现成的组件，几乎无需编码即可创建简单应用程序。通过自动化和改进订单处理或货物状态更新等日常操作，低代码和RPA大大缩短了开发周期，节省时间并减少操作错误。人工智能与机器学习（ML）利用大数据分析来识别模式并提供有价值的洞察。基于人工智能/机器学习的软件解决方案使预测分析成为可能，并且在面对颠覆性事件时可以推荐替代性响应，帮助公司快速有效地应对。 白